ANN (Artificial Neural Networks) y SVM (Support Vector Machines) son dos estrategias populares para la clasificación y el aprendizaje automático supervisado. A menudo no está claro qué método es mejor para un proyecto en particular, y estoy seguro de que la respuesta siempre es "depende". A menudo, se utiliza una combinación de ambos junto con la clasificación bayesiana.

Estas preguntas sobre Stackoverflow ya se han hecho con respecto a ANN vs SVM:

Clasificación ANN y SVM

¿Cuál es la diferencia entre ANN, SVM y KNN en mi pregunta de clasificación?

¿Es compatible con Vector Machine o Artificial Neural Network para el procesamiento de texto?

En esta pregunta, me gustaría saber.específicamente ¿Qué aspectos de una ANN (específicamente, un Perceptrón de Múltiples Capas) pueden hacer que sea deseable usarla en un SVM? La razón por la que pregunto es porque es fácil responder a la pregunta.opuesto Pregunta: Las máquinas de vectores de soporte a menudo son superiores a las ANN porque evitan dos debilidades principales de las ANN:

(1) ANNs a menudo convergen enmínimos locales en lugar de los mínimos globales, lo que significa que a veces se les "pierde el panorama general" (o se pierde el bosque para los árboles)

(2) ANNs a menudooverfit Si el entrenamiento continúa por mucho tiempo, lo que significa que para cualquier patrón dado, una ANN podría comenzar a considerar el ruido como parte del patrón.

Los SVM no sufren ninguno de estos dos problemas. Sin embargo, no es evidente que los SVM estén destinados a ser un reemplazo total de los ANN. Y quéespecífico ¿Qué ventajas tiene una ANN sobre una SVM que podría hacerla aplicable a ciertas situaciones? He enumeradoespecífico ventajas de una SVM sobre una ANN, ahora me gustaría ver una lista de las ventajas de ANN (si las hay).